买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉太原理工大学申请的专利一种基于尺度和抗遮挡优化的无人机跟随方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116563338B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310415711.4，技术领域涉及：G06T7/246；该发明授权一种基于尺度和抗遮挡优化的无人机跟随方法及系统是由马珺;樊隆毅;贾鹏;姚磊设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本一种基于尺度和抗遮挡优化的无人机跟随方法及系统在说明书摘要公布了：本发明提供了一种基于尺度和抗遮挡优化的无人机跟随方法及系统，属于目标跟踪技术领域；解决了现有基于机器视觉的无人平台目标跟随系统存在鲁棒性差、适用性低的问题；包括如下步骤：通过无人机获取跟踪目标的视频，地面工作站将接收到的视频通过人工框选初始帧中的感兴趣目标作为初始目标位置信息，初始化跟踪器，其中跟踪器即为已经过优化的基于尺度和抗遮挡优化的无人机跟随算法的计算机程序；地面工作站将跟踪器输出的目标的位置和尺度信息进行坐标系转换，将目标的运动信息转换为无人机世界坐标系下的飞行运动信息，实现无人机跟随目标飞行运动；对下一帧图像进行处理，重复上述步骤，直到无人机跟随结束；本发明应用于无人机跟随。

本发明授权一种基于尺度和抗遮挡优化的无人机跟随方法及系统在权利要求书中公布了：1.一种基于尺度和抗遮挡优化的无人机跟随方法，其特征在于：包括如下步骤： S1：通过无人机获取跟踪目标的视频，地面工作站将接收到的视频通过人工框选初始帧中的感兴趣目标作为初始目标位置信息，初始化跟踪器，其中跟踪器即为已经过优化的基于尺度和抗遮挡优化的无人机跟随算法的计算机程序； 所述基于尺度和抗遮挡优化的无人机跟随算法的优化过程如下： S1.1：采用KCF滤波器估计目标位置：设定目标搜索区域，提取初始目标的hog特征，并通过将hog特征与汉宁窗相乘得到目标模板，依此计算高斯矩阵图，利用核相关滤波算法确定目标下一帧可能出现的位置； S1.2：估计目标尺度：基于当前一帧目标搜索区域，对下一帧目标进行不同尺度规模估计； 所述步骤S1.2中利用图像尺度金字塔方法对目标进行多尺度估计，采用如下公式求出最优尺度： ； 上式中：F_Smax表示尺度变换中最大响应值，response_St为第t帧不同尺度估计的特征响应，利用上式对各个尺度进行求解，得出最优目标尺度估计； S1.3：根据估计得到的目标尺度和目标位置，计算目标的输出响应； S1.4：求解目标输出响应的置信度，当目标处于高置信度时，更新目标模板；当目标处于低置信度时，停止目标模板更新，利用抗遮挡机制重新找回跟踪目标； 所述步骤S1.4中目标输出响应的置信度的计算公式如下： ； 上式中：Fmax、Fmin分别表示目标响应的最大值和最小值，Fx,y表示目标在响应矩阵中x行y列的值； 所述置信度评估阈值为： ； 上式中：APCEmean表示响应波动历史均值，Fmean表示响应峰值历史均值，当第t帧目标置信度值大于τ2认为目标处于高置信度状态，当第t帧目标置信度值小于τ1，认为目标处于低置信度状态； 所述步骤S1.4中的抗遮挡机制是指当目标位于低置信度状态时，启用卡尔曼滤波以未遮挡时目标位置信息为依据，对目标位置信息进行最优估计，使跟踪器重新找回并跟踪目标，具体步骤如下： 设目标第t帧的质心位置信息为Xtx,y，对应核相关滤波跟踪器的pos，那么对目标第t+1帧位置的估计为： ； 上式中：Xt为第t帧的目标状态信息，A为状态转移矩阵，Qt为当前帧系统噪声协方差，Pt+1∕t为预测估计协方差矩阵，B为控制矩阵，ut为当前帧输入矩阵，Pt为当前帧的估计协方差矩阵，Xt+1t为预测目标运动信息； 默认在跟踪过程中，无输入影响，故B取值为零，更新阶段，通过当前系统预测结果和当前状态的测量值利用如下公式得到目标最优解： ； 上式中：Zt+1为目标位置的观测值，K为卡尔曼增益系数，H为观测矩阵，I为单位矩阵； ； 上式中：R为测量噪声协方差矩阵； 通过上式迭代，完成对目标位置的最优估计，并利用下式更新跟踪器的目标模板： ； 上式中：为当前帧跟踪器参数的最优估计值，αt-1为前一帧跟踪器参数，为当前帧跟踪器样本模板的最优估计值，xt-1为前一帧跟踪器样本模板，θ为线性插值因子； S2：地面工作站将跟踪器输出的目标的位置和尺度信息进行图像坐标系到世界坐标系的转换，将目标在图像中的运动信息转换为无人机世界坐标系下的飞行运动信息，并利用局域网将控制信息传输给无人机，实现无人机跟随目标飞行运动； 所述步骤S2具体包括： 建立图像坐标系，设立图像坐标系原点x,y，x=0.5Wide，y=0.5Hight，其中Wide为图像窗口的宽，Hight为图像窗口的高，初始帧目标框的面积为S0，St表示当前帧目标框的面积，当前帧目标质心为xt’,yt’； 将获取的目标图像面积信息转换为世界坐标系下无人机前进或后退运动控制，其计算公式如下： ； 其中c表示无人机的油门通道杆量； 上式表示：当St1.1S0时，控制无人机油门通道杆量为-20，实现无人机世界坐标系下以20cms做后退运动，当St0.9S0时，控制无人机油门通道杆量为+20，实现无人机世界坐标系下以20cms做前进运动； 将获取的目标图像位置信息转换为世界坐标系下无人机左右旋转控制，其计算公式如下： ； 其中d表示无人机的旋转通道杆量，96表示图像像素阈值，单位是像素； 上式表示：当xt’-x96时，控制无人机旋转通道杆量为+20，实现无人机世界坐标系下以20rads向右旋转；x-xt’96时，控制无人机油门通道杆量为-20，实现无人机世界坐标系下以20rads向左旋转； 将获取的目标图像位置信息转换为世界坐标系下无人机上升或下降运动控制，其计算公式如下： ； 其中b表示无人机的俯仰通道杆量，72表示图像像素阈值，单位是像素； 上式表示：当yt’-y72时，控制无人机旋转通道杆量为-20，实现无人机在世界坐标系下以20cms下降；y-yt’72时，控制无人机油门通道杆量为+20，实现无人机在世界坐标系下以20cms的速度上升； 最后将通道杆量[b，c，d]由地面工作站传送给无人机； S3：对下一帧图像进行处理，重复步骤S1-S2，直到无人机跟随结束。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。